文章目录文章开头0%
The Verge 于 10 月 17 日刊出〈Websites are closing their doors to AI agents〉，整理出了近期智能体受阻的案例。
这篇报道中，便包含 LS-Labs 9 月时提到的，Amazon 拦下 Meta 推出的 Muse 智能体代客购物。除此之外，10 月中旬，摩根大通与嘉信理财相继表态，不让外部智能体拿客户账号密码登录，以及代为操作服务。
随着 AI 智能体逐渐开始普及，融入人们的日常，从电商购物到理财规划，AI 智能体已经开始碰到许多信任边界，尤其当 AI 接触到金钱交易。
当前许多平台仍在早期阶段，很多时候哪怕用户同意交办任务，平台依旧会限制哪些服务能进来、可以读取哪些数据，以及能代为执行哪些动作，因为他们不敢去赌错判的风险。
银行为什么不让智能体登录？
本次快讯当中，摩根大通之所以拒绝第三方取得客户的银行账号密码，再代为登录。发言人于 Fortune 表示，是因为这种做法有安全风险；银行仍支持通过开放银行（open banking）服务商分享经客户授权的数据，只是当前限制了通过 AI 智能体操作服务的功能。
这也是 AX 智能体体验要检查的访问与授权边界：智能体能操作界面，不代表它已取得执行任务的权限。
这两种授权的范围不尽相同。允许服务取得账户数据，不代表同意它拿密码登录，更不等于让它转账或缴费。
除摩根大通外，嘉信理财也有类似顾虑。据 The Verge 转引 Bloomberg 采访，首席执行官 Rick Wurster 表示，不允许 Meta 的 Muse 拿客户密码代为操作。这是由于若智能体出错，客户与银行都未必能控制，责任也难以厘清。
两家机构本质上当前都是在阻止外部智能体进入客户账户，并进行代操作。可见当 AI 实际能够接触用户的金钱时，须拿出十二分的严谨来看待，并且要有明确的规范和授权，避免权益受损。这不仅是用户该做的，同时也是平台或机构方在防范的。
巨头开始管控智能体入口
从本次事件回顾 Amazon 封锁 Muse 的消息，可以发现，除了金融机构基于资产安全与责任归属限制智能体，电商平台面临的问题还涉及既有的商业模式，以及对消费流程的控制权。
例如 Amazon 对 Muse 的限制，就涉及商家是否同意参与。据 GeekWire 报道，Amazon 要求第三方购物应用公开运作，并尊重商家是否接受智能体代客购物的决定。
但如果从商业角度来看，这件事还有另一层值得探讨的问题：当消费者开始习惯通过 AI 智能体购物，Amazon 原本掌握的消费入口，是否会逐渐转移到外部服务手中？
过去，消费者通常会先打开电商平台，搜索商品、比较价格、阅读评论，再决定是否购买。这个过程不只是购物体验的一部分，也让平台得以收集用户的搜索与浏览行为，并通过商品推荐、站内广告等方式创造收益。
然而，当 AI 智能体能够替消费者完成商品搜索、比较与筛选，这些原本发生在电商网站上的行为，就可能转移到智能体的界面。
举例来说，用户只需要告诉 AI 自己的预算与需求，由智能体跨平台比较商品，最后再前往 Amazon 完成下单。即使交易仍然发生在 Amazon，平台也可能失去部分搜索流量、广告曝光机会，以及消费者做出购买决策时的行为数据。
更值得注意的是，谁负责替消费者挑选商品，谁就有机会影响商品的曝光与购买决策。
这意味着，智能体不只是替用户省去操作网站的时间，也可能改变电商平台与消费者之间的关系。当消费者越来越依赖外部 AI 提供建议，平台原有的搜索排名、推荐机制与广告位，对购买决策的影响力便可能下降。
当然，目前没有足够证据认定 Amazon 封锁 Muse 的主要目的，就是为了保护站内广告收入。商家的参与意愿、交易安全，以及第三方应用是否遵守平台规范，都是实际存在的考量。
但这些事件也显示，AI 智能体的发展并不只是技术问题。当智能体逐渐具备替用户完成交易的能力，它势必会与既有平台的商业利益产生交集。
因此，LS-Labs 认为，未来智能体服务商除了提升模型能力与自动化程度，还需要思考如何取得平台的合作与授权。毕竟，即使 AI 已经具备操作网站的能力，也不代表平台有义务让它自由使用所有服务。
稀缺数据成为平台的谈判筹码
当 AI 智能体的竞争逐渐从模型能力延伸到平台入口，另一个值得思考的问题是：如果 AI 能够快速复制应用功能、整合公开信息，那么企业真正难以被取代的价值还剩下什么？
过去，企业可以凭借一套便利的应用程序、一个信息整合平台，甚至是更好的用户界面建立竞争优势。但随着 AI 降低软件开发门槛，许多原本需要独立应用才能完成的工作，如信息查询、商品比较、行程规划，逐渐能通过通用型 AI 智能体完成。
这不代表应用程序将失去价值，而是单纯依靠功能与界面差异化建立的护城河，可能变得越来越脆弱。
信息本身也面临相似的处境。当大量公开内容能被低成本地搜索、汇总与重新生成，单纯将网络信息重新包装成产品，已经很难构成持久的竞争优势。
然而，公开信息变得容易获取，不代表所有数据的价值都会跟着下降。恰恰相反，越是容易复制的信息，越能凸显那些难以获取、难以替代的独特数据有多么珍贵。
例如企业长期积累的第一手交易记录、实时更新的库存与供应信息、具备可信来源的专业数据库，以及经用户授权的个性化数据。这些信息的价值不只是因为它们没有公开，更在于其真实性、时效性与难以复制的积累过程。
Yelp 就是一个值得观察的案例。其 2025 年报指出，合作伙伴可通过 Yelp AI API，在对话式产品中查询、呈现 Yelp 的内容，并支付相应授权费用。
值得注意的是，Yelp 的大量商家评论原本就能在公开网页上阅读，但这不代表其他 AI 厂商就能不受限制地将整个数据库转化为自己的服务。
对 AI 厂商而言，零散抓取几则网络评论，与合法取得一套持续更新、具备一定规模与结构化能力的商家数据库，是两回事。
Yelp 年报也明确提及，未经许可复制内容可能让消费者转向其他服务，进而影响自身流量与数据授权业务。
这反映出一个正在发生的转变：数据平台不一定需要亲自打造最强大的 AI 智能体，也有机会凭借既有的数据资产，在 AI 生态系统中占据重要位置。
而这种数据价值的提升，也正在改变网站与 AI 厂商之间的关系。
例如 Cloudflare 9 月的公告，便将搜索索引、模型训练与 AI 智能体代访等用途区分管理，让网站经营者能针对不同的数据使用目的设定规则。
过去，网站公开内容往往意味着允许搜索引擎索引，借此换取流量。但当 AI 可以直接利用这些信息生成答案，甚至让用户不再访问原始网站，内容提供者便有理由重新思考：为什么自己投入成本积累的信息，应该被其他服务无偿用来创造商业价值？
当然，并非所有数据都具备收费能力。缺乏独特性、容易被其他来源替代的公开信息，即使设下访问限制，也未必能让 AI 厂商愿意付费。真正具有谈判能力的，仍然是那些能持续创造价值、具备可信品质，且难以从其他地方取得的数据资产。
回头看 Amazon、摩根大通与 Yelp 的案例，其实可以发现，这场竞争不只是谁能掌握用户入口，而是进一步涉及谁拥有不可替代的资源，以及谁有权决定这些资源如何被 AI 使用。
在 AI 时代，打造一个应用或复制某项功能的成本可能持续下降，但积累可信任的数据、建立真实的商业关系，以及取得平台允许执行交易的权限，却不是单靠更强大的模型就能解决。
未来 AI 智能体的竞争，或许不再只是谁能提供更多功能，而是谁能取得其他竞争者无法轻易取得的数据、资源与操作权。
当技术能力逐渐普及，真正的稀缺性也可能从软件本身，转移到软件背后所连接的真实世界。
